2017年,我的技术投资学习策略_超越前端、物联网…_知乎_

软件合作开发不是这份稳定的组织工作：每月单厢不断涌现两个又两个捷伊技术，内要一两年单厢出现许多颠覆性的技术。尽管从标识符、表现及差别上上看，新技术和旧的技术有许多概念上的相近，但在采用的过程中，依然是须要耗费天数去自学的。

除了，增进自己对原有许多词汇、技术、计算机系统科学的领域广度。为了保持很大的技术穿鞘，每月他们单厢自学许多捷伊技术，采用许多捷伊技术栈。因此，这首诗是介绍许多我对新技术的体会，以及在这两年自学中的许多经验。

责任编辑主要就包涵附注：

简述后端：胜过建模简述终端合作开发技术股权投资策略物联网与去虚拟化AI 与技术适用性Serverless 与设计模式区块链评估结果

（PS：责任编辑的阅读天数大概 10 两分钟）

简述前端：胜过建模

年末，我在写图书《我的业余是后端技师》的时候，已经 “夏燮” 了 React、Angular（没有.js）、Vue 做为今后后端合作开发的非主流趋势。在国内来说，还是以 Vue 为主，Vue 好上手，但不都是所有的采用者都是阿宝 ：） 。但做为两个后端合作开发者，你把天数股权投资在 React 和 Angular 上，在今后你会有Villamblard的胜算。

Facebook 第八代的 React，还有 React Native 和 React VR，今后可能还会有 React Game。Angular 受布莱尔负面效应的负面影响，采用程度受到很大的负面影响。在目前上看，对合作开发者的主要就成长得力于 TypeScript，对项目的优势主要就动态类型使得标识符更加强健。

可是这两年 AI 的火爆，让我合作开发思索 AI 带来的许多建模上的变化。现在，他们所称的后端多数是许多 Web、终端端相关的 UI 合作开发，其实质是与采用者建模。譬如前一两年火爆的VR、智能音箱，都是两个建模的新出口处。

建模依然是人类最好的Dustbot的方式。可当采用者大量的日常生活组织工作，被 AI 智能化之后，很多组织工作就变得很多累赘。如你出门口要看的天气情况，以决定穿什么衣服，它都能由计算机系统算出来。带不带伞，都能由伞告诫你。如 Amazon 设计的 Dash Button，能让你不须要任何的 UI 就能购买日用品。

简述终端合作开发

今年，我在组织工作上主要就做的都是终端合作开发相关的组织工作，从基于 Ionic 与 Cordova 的混合应用，到嵌入 WebView 到 React Native，再到年底的 Android 原生应用，中间写了许多 Cordova 和 React Native 的 Android、iOS 插件。也算是见证了终端应用的不同技术选型，成为了 3/4 个终端应用合作开发，对整个终端端的技术有所了解。

在最近一两年里，原生终端应用合作开发没有像过去那么火爆。一来是，受到混合应用和 React Native 的负面影响；二来是，终端端的合作开发技术已经趋于成熟；

尽管在年末，看到越来越多的原生应用合作开发者正在转向 React Native。过去，他们认为的操作系统市场份额是这样的：

但实际上，在讨论市场份额的时候已经是这样了：

以 VR、AR 和 AI 的技术趋势上看，终端平台才是今后的重点——除非有更好的平台出现。触手可及的技术，拥有更多的可能性，也拥有更多的数据及美好的今后。

技术股权投资策略

（PS：在这里，所谓的技术股权投资是指，在很大时期内向很大的新领域投放天数来自学新技术。）

捷伊技术每天都在不断地不断涌现，很多是黑天鹅一样看不出。并且，一来他们已经习惯了捷伊轮子的产生，二来他们也没有那么多的精力去关心每两个新技术。可是当有许多技术在不断被提及被应用的时候，你就差不多应该关注、自学、采用了。

如我在年末看到那一本《灰犀牛》：灰犀牛体型笨重、反应迟缓，你能看见它在远处，却毫不在意，一旦它向你狂奔而来，定会让你猝不及防，直接被扑倒在地。你明明看得见，捷伊趋势在那里，却固执的不肯去了解。那么，今后你就轻松地进入了中午危机。

在 Gartner 的技术曲线上，定义了五个阶段：科技诞生的促动期、过高期望的峰值、泡沫化的底谷期、稳步爬升的光明期、实质生产的高峰期。对个人来说，这个技术曲线就没有那么复杂。

成为早期投入者

对两个技术人员来说，这个流程就比较简单了。通常来说，做为两个初入这个行业一两年的 “新人” 来说，他们是没有经验、能力去开扩两个捷伊领域。这时成为早期股权投资者，可能是最早期的选择了。

在新技术的早期就采用它，是一件相当有风险的事，也可能会有相当大的收益。新技术在早期充满了不确认性，如果你押错了，那么你在这段天数的天数可能就白费了。因此，一般是到两个捷伊技术、概念出现一段天数后，去填这些相关的坑。

如我在这两年进入 Serverless 的坑一样，虽然有许多晚，但好在国内的云服务产商的服务还不怎么行。通过采用体会、社区及 Google Trends 上看，上看看是否押错地方。

在光明期前采用

通常意味着，这个新技术栈还有很多坑。但，大家都认可它是两个有前途的技术。如在今年被大规模采用（淘宝、 等，有许多因为版权已经换坑了）的 React Native 是两个很好的例子。

一般来说，经历了许多大公司的踩坑，以及网上的许多踩坑经验，那么就意味着采用它已经没有多少问题了——前提是你已经做好了技术储备。这个时候你就能为了今年的 KPI，去说服你的领导了。他们应该这么做，xx 公司都已经上线了，而且这些 blabla 的优势很明显。

跟随项目采用

当两个新技术的采用，已经在市场上达成共识。那么，也不要再采用旧的技术了。

到了今天，后端的单页面应用已经是 React、Angular、Vue 的天下了。这时要合作开发两个复杂的后端应用，那么你应该从这些非主流的框架中去选择，而不是采用早期、过期（已经不维护）的技术了。除非，你们是一家大公司，有自己的轮子。

当然，只在该用某技术的时候，才在项目上采用新技术。对许多简单的页面，jQuery + Bootstrap 还是万能的。为了采用新技术，而在项目上采用，有时候容易造成问题。

物联网与去虚拟化

在这两年里，为 InfoQ 编写《物联网周报》的时候，我耗费了大量的天数在索引互联网上的 IoT 相关内容。随之也翻译了第八代列的文章，也有了 “玩点什么” 网站 、APP和小程序，其目的主要就用于储备技术。通过翻译许多物联网及前沿的技术实践——持续关注某一领域，能通过翻译相关的文章来股权投资。将许多国内没有的，又可能在今后用到的技术翻译成了中文，再增加许多提升 SEO 提名的文章。（PS：因为在我的技术博客）上，650+ 的博客大部分都是原创的技术笔记，所以不打算放在我的博客上——同时，也能避免版权带来的问题。）

除了，我大学学的电子信息工程；还有一点，硬件是虚拟世界与现实世界的接口，而物联网则能让他们真实的、从远程访问世界的各个角落。于是，在年中的时候，我耗费天数去研究各式各样的智能家居系统，也有了我的 smart-home 项目。

当自己擅长的技术，有许多捷伊突破，那么就应该去自学它。

2017 年里，IoT 领域的技术趋势，已经在不断地结合各种时髦的技术，如：

Serverless Framework 与 AWS IoT 构建 Serverless 的花园监控系统Raspberry Pi 教程：在 Docker 上采用 Go 点亮 LEDRaspberry Pi 与 OpenFaaS 构建 Serverless Kubernetes 集群Raspberry Pi 自动驾驶：采用 Keras 与 Tensorflow 构建车道跟踪自动汽车

他们解决了许多嵌入式设备的自身缺陷，不过在两年里，安全依然是这方面的非主流考虑。

当两个流行的技术能在 PC 上运行，它也终将在智能手机、Raspberry Pi 这一类小型计算设备上运行。

在数字化浪潮不断扩张的今天，物联网做为两个底层的技术合集，越来越受关注。但，这不意味着它会马上火爆起来，只是他们能看到它在不断地被应用。

在这上面花天数，不很大有收益，但总觉得自己改变了什么。

AI 与技术适用性

AI 火爆的这两年，在为玩点什么做应用的过程中，便想结合许多机器自学的技术。所以我又复习了一下机器自学，顺便打算 GET 一下广度自学的技能。也就有了玩点什么的推荐系统 ，也应用上了 jieba 分词，加上之前对朴素贝叶斯、聚类等的研究。发现一般的机器自学，对我这种已经远离高等数学的人来说，还不算太难，概念上基本能理解得差不多——主要是这些算法，都能应用到许多真实的场景。

于是，我打算试水一下广度自学。然后，我发现我 TM 的数据都没有，下载个数据都要半天。再看看书上的理论，我发现我抽不到足够的空余天数来自学——我的意思是，足够集中的自学天数。还有两个问题是，没有数据——尽管网上已经有大量的公开数据，但这些公开数据多数是英语的。这些基于英语词汇的数据，会导致出现的算法以英语为主，导致算法本身难以采用，这一类问题最常见于 NLP（自然词汇自学）。

假使我将两个周末的两天 + 每天三个小时的晚上天数都投在上面，那么从短期上看收益太少——我能花这些天数，强化我在其它领域的知识。

好在广度自学的 API，也很容易上手。这一点与我之间在试水智能音箱有点类似，实现两个简单的智能音箱本身并不须要太多的新算法——利用许多原有的公开 API、公开算法，他们能轻松也用广度自学做两个音箱。但他们缺乏足够的音频数据，它将会导致他们无法进入下一步。

这是为什么 Mozilla 会推出 Common Voice Project 项目的原因，没有足够的财力就不会有足够的数据；同理于，今年阿里在双 11 送的大量 99 元的天猫精灵一样，只有大量的数据才能造出 AI。只能有足够的数据或者财富，才能拥有与之匹配的人工智能。

Serverless 与设计模式

在第四个季度里，我耗费了大量的天数在自学 Serverless 系统，编写大量的 Serverless 应用。有兴趣的同学能了解 花了 1000G，我终于弄清楚了 Serverless 是什么，以及基于 Serverless 架构的 简单日志系统 molog、表单系统 moform，这些 Serverless 应用都能在一天内合作开发、上线。

Serverless 设计模式的特性，使得它适合物联网、人工智能、数据分析等场景。其按需付费，又能让我愉快地（毕竟穷）各种 Serverless 应用。

如上所示，Serverless 将是一种捷伊技术架构趋势。而 Serverless 本身算不上两个捷伊技术，只是 FaaS 结合一堆原有的技术组成的技术架构。因此我将自学 Serverless 的行为，定义为一种 “短平快” 的自学股权投资。

由于国内的内容匮乏，我采用的策略是：边写 DEMO，边写文章、编写自己的 Serverless 应用、写第八代列的总结文章、整理成图书。这样一来在 2018 年，我的博客可能就会受长尾负面效应的负面影响，带来额外的更多流量。

区块链评估结果

我对区块链采用的是评估结果，也是还没有进入我的采用、Demo 期——主要是因为区块链技术采用的领域有限。早期我在思索在边缘计算、物联网领域引入，但场景有限。不过，在今后我应该会尝试引入这个技术的。

常规的物联网系统都是虚拟化的，采集数据、加工数据、存储数据、建模数据、预测数据，它也不须要担心中间的数据修改。如果以两个传感器采集点，做为两个节点，采用区块链的存储成本过高。如果以两个区域做为结点，它也不须要担心其它结点的数据的修改问题。

只当每两个节点自身须要记录变更的时候，那么这个物联网应用才适合采用区块链技术，如物流场景等等。

又或者是，在你的智能家居系统的每两个控制节点上，都记录每一次控制的变化。如你采用手机控制了台灯的开和关，这个数据就会同步到你的手机上。问题是，控制个灯都须要记录一下的场景，这可能是监狱吧？

或许，我还须要两个区块链的 markdown 同步工具，而不是采用 GitHub 或者各种云笔记。这样我的 markdown-improve 计划，又多了两个捷伊成员了。

结论

从上述的自学经历上看，自学技术的期限主要是：

短期学习今后将采用的技术中期了解许多捷伊技术知识长期接触自己喜欢的技术

不过，简单的来说，这两年的经验是：

持续关注某一领域，能通过翻译相关的文章来股权投资当自己擅长的技术，有许多捷伊突破，那么就应该去自学它。如果两个与自己组织工作相关的技术是今后的趋势，那么请拥抱它。如果有两个捷伊技术能负面影响到你的生活，不妨去学学它。

来年，一起浪啦 ，欢迎关注我的公号